基于深度学习的位置适应值方法软件与其他商用软件相比进行了比较分析.
Daebeom Park1, Eun-Ah Park2,3, Baren Jeong2
1Department of Clinical Medical Sciences, Seoul National University College of Medicine, Seoul, Korea.
The international journal of cardiovascular imaging
|April 18, 2024
概括
一种新的深度学习方法 (DL-LATM) 在计算机断层扫描血管学 (CCTA) 图像中准确地细分冠状动脉. 这种先进的软件显示了通过精确识别灯膜和斑块区域来改善冠状动脉疾病 (CAD) 评估的潜力.
科学领域:
- 医学成像分析 医学成像分析
- 心血管疾病的诊断 心血管疾病的诊断
- 医疗保健中的人工智能
背景情况:
- 在冠状动脉计算机断层扫描血管学 (CCTA) 中精确细分冠状动脉对于评估冠状动脉疾病 (CAD) 至关重要.
- 现有的商业软件平台在精确的光线和斑块细分方面可能存在局限性.
- 深度学习方法有可能提高医学图像分析的准确性.
研究的目的:
- 评估基于深度学习的新型位置适应值方法 (DL-LATM) 的性能,用于使用CCTA进行冠状动脉细分.
- 为了比较DL-LATM的细分精度与商业上可用的软件平台.
- 评估DL-LATM在量化光线和斑块参数方面的实用性,特别是在狭窄区域.
主要方法:
- 冠状动脉细分使用CCTA图像与DL-LATM软件和商业平台进行.
- 来自26个血管段 (19名患者) 的血管内超声波 (IVUS) 数据作为比较的黄金标准.
- 统计分析,包括皮尔森相关系数 (PCC),类内相关系数 (ICC) 和布兰德-阿尔特曼图,用于比较光度和斑块参数.
主要成果:
- DL-LATM软件的细分性能最接近IVUS黄金标准的光量和面积,显示最小偏差和高PCC/ICC.
- 在狭窄区域,DL-LATM在检测光线和斑块面积方面表现出比商业软件更高的准确性,相关系数明显更高 (p < 0.001).
- 在DL-LATM中,光膜面积 (平均差异=-0.72mm2,95%CI=-0.80~-0.64mm2) 和斑块面积 (平均差异=1.70mm2,95%CI=1.37~2.03mm2) 的偏差最接近于零.
结论:
- 在CCTA图像中,DL-LATM软件平台显示了冠状动脉细分的高准确性和可靠性.
- 在量化光膜和斑块特征方面,DL-LATM显著优于现有的商业软件,特别是在狭窄区域.
- 这种基于深度学习的方法具有很强的潜力,可以作为冠状动脉疾病全面评估的辅助工具.
